卡尔曼滤波方法预报因子的选择

利用ECMWF格点资料,设计了5种不同的预报因子选择方案,运用卡尔曼滤波方法制作1999年11月～2000年2月逐日14时温度预报,通过考察准确率、均方差、平均绝对误差,确定了最优因子选择方案.     

因子的可预报性和预报模型适用性研究初探

本文从因子场与预报量场之间的整体相关性着手，通过典型相关分析来提取因子信息，用求得的典型变量作为新预报因子，经试用表明，新因子的可预报性比原因子有明显提高。 在预报模型的选择上，本文提出了依据预报模型对历史样本实际预测精度的优劣来衡量预报模型的预测能力，从而选用对历史样本预测精度较高的预报模型作未来预报。     

用相应时段累积因子预报累积降水的初步探讨

本文针对当前数值预报产品释用工作中通常存在的因子的瞬时量与预报降水的累积量这样一个时间尺度的不相匹配的问题，提出了用相应时段内因子的累积量预报降水的累积量的预报方案，用该方法处理的累积因子与降水量之间的相关系数，与瞬时因子相比有显著提高，以此为依据，用HLAFS数值预报产品，建立了一个降水量滚动预报系统，有较好的使用效果。     

不同因子处理方法对广西MOS方程降水预报准确率影响的试验

利用1995－1997年T106输出产品，以相同的数学回归模型对各种不同的因子处理方法生成的预报因子做广西89站的降水预报准确率对比试验，结果表明预报因子的选取与准确率关系极大。这也说明了选取合理的、有物理意义的因子是建立MOS降水预报方程成功与否的关键。     

驻马店地区大￣暴雪分析和预报

分析了驻马店地区产生大￣暴雪的５００ｈＰａ环流形势特征，中、低层流场的配置以及低层辐合的作用。经消空处理，选择出预报因子，建立了预报规则。经回代和试报，大￣暴雪预报准确率、概括率分别为７８．３％、１００％和７１．４％、８３．３％。     

多因子的EOF迭代预报方案

本文提出一种基于ＥＯＦ分析的ＥＯＦ迭代预报方案，详细介绍了各有关参数的选取方法，并提出利用主成分分析方法确定拟合时特征场截止阶数，这是预报成功与否的关键。该方案尤其适用于备选因子较多，但因子两两之间又有显著相关时的情形。文中最后利用一实例验证该方案的预报能力。     

农业设施环境要素调控技术研究及应用现状

提高数值预报产品的释用水平是提高预报准确率的有效措施。针对当前数值预报产品释用中通常存在的预报因子的瞬时量与预报降水的累积量这样一个时间尺度不相匹配的问题，本文提出了用相应时段内预报因子的累积量预报累积降水的预报方案。经检验，用此方法处理的累积因子与降水量之间的相关系数比瞬时因子有明显提高。以此为依据，以HLAFS数值预报产品为资料，用累积因子建立了忻州市汛期降水分县预报方程，取得了较好的使用效果。     

东北冷涡暴雨的短期预报系统

东北冷涡暴雨是指在东北冷涡天气形势下，东北地区出现3个或以上气象站日雨量大于等于50mm的暴雨。根据东北冷涡暴雨的成因分析结果，应用1993～1995年6～8月日本数值预报传真图资料，针对东北冷涡暴雨形成的有利天气形势和热力、动力特征，对数值预报产品进行天气动力解释，选择数值预报因子，确定因子的可信度，采用MYCIN不精确推理方法，建立了东北冷涡暴雨预报系统。     

开封春季24h大风预报方法

利用开封1981-2000年3—5月的大风资料，依据冷空气路径，将大风分为东北型、西北型；选出预报因子，用逐步回归方法，对因子进行筛选，选出效果较好的预报因子建立方程。     

洛阳市2003年夏季多雨环流特征及汛期降水预报

分析了2003年洛阳夏季多雨环流特征，探讨了汛期降水偏多的预报因子，并用副高特征量因子建立了汛期降水预测模型。     

统计降尺度方法在天津小时降水和气温精细化预报中的应用

基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明:(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年"安比"台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。     

长期预报的相空间近邻等距法

考虑到确定性系统的外在随机因素和内在随机性(浑沌)所造成的长期预报的不准确性,本义将有关浑沌的理论和数理统计理论结合起来,提出了d维相空间距平符号传播的“正、反规则”假说和近邻等距模式.实例检验表明,经调试后距平符号的报准率一般为66％—80％,而相对误差一般不大于8％.     

基于T213集合预报的延伸期产品释用方法及初步试验

基于T213集合预报系统2008年1月中国及附近区域500 hPa高度和850 hPa温度的1~15 d预报资料,构建延伸期产品释用方法,通过对逐日11~15 d预报资料做集合平均和后向衰减权重系数滑动平均,进而得到延伸期(11~15 d)候平均和候距平预报,并对预报效果进行检验,结果表明:对11~15 d预报场做集合平均和后向衰减权重系数滑动平均均能降低预报误差,改善整体预报效果。由此得到的500 hPa高度场和850 hPa温度场11~1 5 d候平均预报误差与逐日控制预报第5d的水平相当,候距平相关系数均接近0.6,整体而言效果较好,具备一定的应用价值。500 hPa高度场和850 hPa温度场11~15 d候距平预报在中国大陆地区位相准确率均较高,东南沿海和东北部分地区稍差,且850 hPa温度场的位相准确率整体高于500 hPa高度场。候距平预报对延伸期(11~15 d)的大范围持续性异常距平具有较强的捕捉能力,对异常距平出现的范围和分布、强距平中心的位置的预报均较好,但强度整体偏弱。     

应用奇异向量方法的适应性观测实例研究

近年来,通过适应性观测技术来减小预报误差已成为国际上数值预报中的一项关键技术,然而实施适应性观测对减小预报误差的影响评估是一个需要深入讨论的问题。文中利用奇异向量方法以2007年3月4日东北地区暴风雪天气过程为研究对象,考察了预报误差对不同观测区域观测资料的敏感性,在确定能量范数的基础上,分析了奇异向量的水平分和特征和垂直分布特征,利用奇异向量的空间结构确定了敏感区域。通过伪逆初始扰动场作为分析误差,研究验证区域的预报误差对不同区域增加观测的敏感性,试验结果表明,在敏感区域内进行补充观测来改善分析误差,能够最有效地提高验证区域内的预报水平;而减小非敏感区域内的分析误差对减小预报误差的贡献相对较小。这些结果表明,利用奇异向量法定义敏感区进行适应性观测,能够和有限的观测资源和计算资源的条件下,最大程度地减小验证区域的预报误差,从而达到提高验证区域预报准确率的目的。     

混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。     

长期预报的相空间相似法

通过对分数维D的计算，我们用时间序列重建了一个d=INT(l+D)维的相空间。而后，将统计预报的相似理论用于相空间的相点，并假设最近邻相点经演化时间T后模相等。根据这一假设，做了一些长期预报试验，其距平符号报准率一般为60%—70%，相对误差一般不大于8%。     

NCC_CGCM模式的我国夏季降水集合预报方法效果评估及改进

通过对国家气候中心全球海气耦合模式(NCC_CGCM)1983～2006年48个不同初值样本的我国夏季降水预报(回报)、等权重集合预报及二次非线性订正预报的评估效果比较,其中订正预报的平均效果比等权重集合预报的平均效果好,但总体平均预报效果都不高.在评估中发现,48个样本在不同地区的预报效果的差异显著,正相关显著区域出现的位置各不相同,有的样本出现在江南,有的出现在东北,还有的出现在黄淮等地,因此提出了用历史回报的相关系数构建新的集合预报.试验表明,新集合预报的平均效果优于等权重集合预报、二次非线性订正预报和业务系统中现有的集成方法.     

基于机器学习的复杂地形下短期数值天气预报误差分析与订正

初步研发了一套基于机器学习方法XGBoost且考虑地形特征影响的数值预报多模式集成技术,并与传统的等权重平均和线性回归方法的集成效果进行了对比分析。利用北京地区快速更新循环数值预报系统每天8次循环预报给出的近地面2 m温度、2 m相对湿度、10 m风速、10 m风向数据产品,分别基于机器学习方法XGBoost、等权重平均方法、线性回归方法构建了3种体现地形因子影响的多模式预报时间滞后集成模型。试验对比分析了暖季、冷季每日不同时刻的模式预报集成订正效果。结果表明:分季节试验中,基于XGBoost模型对2 m温度、10 m风速的集成预报结果相对原始最优预报结果误差明显优于其他两种传统方法。XGBoost对2 m温度集成的误差可降低11.02%—18.09%,10 m风速集成误差可降低31.23%—33.22%,10 m风向集成误差可降低4.1%—8.23%。2 m相对湿度的集成预报误差与传统方法接近。基于XGBoost的多模式集成预报模型可以充分“挖掘”不同模式或不同时刻快速更新循环预报优点,有效降低模式的系统性误差,提供准确性更高的多模式集成确定性预报产品。      

Using analysis state to construct a forecast error covariance matrix in ensemble Kalman filter assimilation

Correctly estimating the forecast error covariance matrix is a key step in any data assimilation scheme. If it is not correctly estimated, the assimilated states could be far from the true states. A popular method to address this problem is error covariance matrix inflation. That is, to multiply the forecast error covariance matrix by an appropriate factor. In this paper, analysis states are used to construct the forecast error covariance matrix and an adaptive estimation procedure associated with the error covariance matrix inflation technique is developed. The proposed assimilation scheme was tested on the Lorenz-96 model and 2D Shallow Water Equation model, both of which are associated with spatially correlated observational systems. The experiments showed that by introducing the proposed structure of the forecast error covariance matrix and applying its adaptive estimation procedure, the assimilation results were further improved.     

T213L31模式热带气旋路径数值预报误差分析

应用国家气象中心的T213L31模式对2006—2009年热带气旋路径数值预报的结果从平均距离误差、距离误差分布、模式系统性偏差、平均全移速误差、模式对背景场的预报偏差进行全面检验分析表明:对于不同走向的热带气旋 (简称TC) 路径预报而言,预报误差最小的是西行路径TC,预报误差最大的是东北行路径TC。按照TC强度进行分类统计发现,TC强度强比强度弱的路径预报平均距离误差小。T213对所有样本的平均预报而言,存在西北偏西向的系统性偏差,不同类型路径TC存在不同的系统性偏差。通过计算平均全移速可以看出,对于西北行、西行、北上类型路径在整个预报时效中移速偏差较小,而对于所有转向类路径移速偏差较大,即偏慢较明显。对T213模式预报2009年TC路径误差较大的个例 (0904,0906,0907号热带气旋) 检验模式对背景场的预报偏差,个例分析表明:模式对中高纬度西风槽预报偏强、对TC环境风场垂直切变预报偏大、对两个相近的TC预报更容易发生藤原效应,这些因素是导致TC路径偏差的主要原因。